MétaCan
Menu
Back to cohort
Record W201942335

RIESLING TERROIR IN ONTARIO VINEYARDS. THE ROLES OF SOIL TEXTURE, VINE SIZE AND VINE WATER STATUS

2010· article· en· W201942335 on OpenAlexaboutno aff
Andrew G. Reynolds, Christiane de Savigny, James Willwerth

Bibliographic record

VenueLe Progrès agricole et viticole · 2010
Typearticle
Languageen
FieldAgricultural and Biological Sciences
TopicHorticultural and Viticultural Research
Canadian institutionsnot available
Fundersnot available
KeywordsTerroirForestryGeographyHumanitiesArtWine
DOInot available

Abstract

fetched live from OpenAlex

La vigueur de la vigne et la texture du sol ont des effets sur les composantes du rendement; le sol, des tissus de la vigne, la composition des raisins, et des attributs sensoriels des vins ont ete analyses dans un vignoble de l'Ontario (Canada), plante en Riesling, entre 1998 et 2002 pour elucider les bases potentielles du terroir. Des ceps «sentinelles» (d'echantillonnage) ont ete geo-localises en utilisant le Global Positioning System (GPS). Le Systeme d'Information Geographique (SIG) a permis de definir la variabilite spatiale pour la texture de sol et composition en tissu de la vigne de sol (1998), et des composantes de rendement, de la composition de baie et du poids de rameaux a la taille (vigueur) mesures sur les 4 ans et pour chaque cep sentinelle. Ces derniers ont ete classes comme «grand» ou «petit» sur la base de la vigueur mesuree au cours de la saison precedente dans chacune de deux classes de texture de sol (argileuse et sableuse); les raisins obtenus pour chacune de ces quatre categories a ete separe pour la vinification; la composition chimique des baies, des mouts et des vins a ete determine, et l'ana- lyse sensorielle descriptive a ete menee sur les vins. La texture et la composition du sol se sont montrees correlees avec le poids des baies et la concentration en terpenes volatils potentiels (PVT). Il n'y avait aucun effet coherent de la texture du sol ou de la vigueur sur la composition des baies, des mouts ou des vins. Une forte vigueur a eu pour effet d'augmenter l'acidite totale et la concentration en PVT des baies; de diminuer le pH des mouts; et d'augmenter la concentration en terpenes volatils libres des vins pour certains millesimes. Les sols sableux (contrairement a des sols argileux) ont vu une reduction de l'acidite totale des vins et de la concentration des PVT dans les mouts, et une acidite totale des baies et une concentration des solides solubles dans les mouts accrues pour certaines saisons. La vigueur et la texture de sol n'ont pas constamment affecte les attributs sensoriels des vins au cours des differents millesimes. Une forte vigueur de la vigne correspond a une reduction des aromes mineraux et du bouquet citronne, et a une augmentation des aromes et bouquets de pomme pour certains millesimes. Pour certains d'entre eux, les sols argileux ont vu une augmentation des aromes mineraux et du bouquet citronne, mais une diminution des aromes de pomme. Les aromes de citron et les saveurs petrolees ont augmente pour certaines combinaisons vigueur X texture du sol au cours d'une saison. Le millesime et l'âge du vin ont eu un plus grand impact sur les attributs sensoriels des vins que la vigueur ou la texture de sol. Entre 2005 et 2007, 10 vignobles plantes en Riesling et avec des types de sol heterogenes ont ete choisies dans toute la peninsule du Niagara afin de tester si le sol et le statut hydrique de la vigne etaient des causes determinantes importantes du terroir, en particulier concernant les concentrations en monoterpenes et les attributs sensoriels du vin. Les objectifs etaient: 1. De s'assurer de l'impact du sol et du statut hydrique de la vigne sur les composes aromatiques et les attributs sensoriels des vins ; 2. D'enumerer l'importance La magnitude comparee des effets de la texture de sol, du statut de l'eau, et de la vigueur de vigne, et ; 3. D'elucider des rapports entre ces variables et la qualite sensorielle des vins.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.828
Threshold uncertainty score0.935

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.015
GPT teacher head0.240
Teacher spread0.225 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations14
Published2010
Admission routes1
Has abstractyes

Explore more

Same venueLe Progrès agricole et viticoleSame topicHorticultural and Viticultural ResearchFrench-language works237,207